Applied Digital 如何布局 AI 数据中心?解析 Polaris Forge 与 Delta Forge 基础设施

更新时间 2026-11-04 07:50:00
阅读时长: 5m
Applied Digital 通过 Polaris Forge 与 Delta Forge 园区布局 AI 数据中心,建设支持高密度 GPU 集群的 AI Factory。解析各项目容量、建设进度、电力与散热设计,以及从施工交付到商业运营的关键环节。

Applied Digital 是一家专注于人工智能(AI)与高性能计算(HPC)数据中心基础设施的企业,主要通过建设和运营专用数据中心,为大型云计算客户提供支持 GPU 集群运行的物理基础设施。

随着生成式 AI 模型训练和推理需求持续增长,数据中心的建设标准正在发生变化。传统机房主要关注服务器空间、供电可靠性和常规散热,而 AI 数据中心需要承载更高功率密度的计算设备,对电力容量、冷却系统、配电架构和基础设施交付速度提出更严格的要求。园区是否具备可用电力,以及能否在预定时间内完成设施交付,已经成为影响 AI 算力扩张的重要因素。

Applied Digital 通过 Polaris Forge 与 Delta Forge 两组园区扩大 AI 基础设施布局,并采用分阶段建设和长期租赁相结合的模式推进项目。从已经投入运营的 Polaris Forge 1,到正在建设的 Polaris Forge 2、Polaris Forge 3 和 Delta Forge 园区,不同项目展示了 AI Factory 从基础设施规划走向规模化运营的不同阶段。

核心要点

  • 业务定位: Applied Digital 通过建设和运营 AI Factory,为大型云计算客户提供高密度 AI 与 HPC 基础设施。

  • 园区布局: Polaris Forge 1、2、3 位于北达科他州,Delta Forge 1、2 则扩展至美国南部地区。

  • 最新进展: 截至 2026 年 10 月 1 日,Polaris Forge 1 已有 250 MW 关键 IT 负载达到可投入服务状态。

  • 技术重点: 高密度供电、液冷与无水冷却设计,有助于满足大规模 GPU 集群的运行需求。

  • 建设挑战: 电网接入、施工进度、系统调试与客户交付共同影响项目投运时间和后续收入。

什么是 AI Factory?Applied Digital 如何规划新一代数据中心

AI Factory 是面向人工智能计算任务设计的数据中心基础设施。它并不是生产 AI 芯片的工厂,而是将电力供应、配电系统、冷却设施、网络连接和计算设备部署环境整合起来,为 AI 模型训练、推理及其他高性能计算任务提供运行条件。

与传统数据中心相比,AI Factory 更强调高密度计算集群的协同运行。大量 GPU 同时工作时,不仅需要持续稳定的电力,还会在相对集中的空间内产生大量热量。因此,机房布局、机架承重、供电冗余、冷却能力和设备部署顺序,都需要在设计阶段进行统筹规划。

Applied Digital 采用园区化建设方式,将单个数据中心拆分为不同建筑或模块,分阶段完成施工和交付。公司可以根据租赁合同安排建设顺序,客户则按照约定时间接收可投入服务的计算容量。这种模式能够让大型项目逐步形成运营收入,但各阶段的电力接入、施工和验收仍然需要协调推进。

截至 2026 年 8 月 31 日,公司披露的五个 AI Factory 园区已签约约 1.41 GW 的关键 IT 负载,对应初始 15 年租赁期约 360 亿美元的合同收入。这里的 1.41 GW 指合同覆盖的关键 IT 负载,而非已经全部投入运营的容量;合同收入也属于租期内的累计金额,并不代表当期现金流。

Polaris Forge 1 是什么?解析已投入运营的数据中心项目

Polaris Forge 1 位于北达科他州,是 Applied Digital 较早投入运营的 AI 数据中心园区,也是观察公司如何将规划容量转化为实际运营能力的重要案例。该园区为 CoreWeave 提供高性能计算基础设施,按照长期租赁安排逐步交付容量。

Polaris Forge 1 的交付采用分阶段推进的方式。第一栋 100 MW 数据中心建筑于 2025 年 10 月投入运营。第二栋建筑则分为两个各 75 MW 的阶段交付:第一阶段于 2026 年 7 月达到 Ready for Service(可投入服务)状态,第二阶段于同年 10 月 1 日达到这一状态,使园区当时已达到可投入服务状态的关键 IT 负载增加至 250 MW。

Ready for Service 并不等于所有设备都已满负荷运行,而是指相应设施已经达到合同或项目约定的可交付条件。因此,判断园区进度时,需要区分建设完成、可投入服务、客户设备部署以及实际运营等不同阶段。

除了前两栋建筑,Polaris Forge 1 的第三栋 HPC 数据中心建筑仍在建设中,规划增加 150 MW 容量,公司预计其于 2027 年达到完整的可投入服务状态。若全部按计划交付,该园区的合同关键 IT 负载将达到 400 MW。

Polaris Forge 1 的意义不仅在于园区规模,还在于它可以帮助验证建设、调试、交付和长期运营之间的衔接效率。对于 Applied Digital 而言,按期交付能够推动合同容量转化为基础租金收入,也为其他园区复制类似建设模式提供实践经验。

Polaris Forge 2 与 Polaris Forge 3 的建设规划是什么

Polaris Forge 2 和 Polaris Forge 3 均位于北达科他州,但建设阶段、合同容量与预计交付时间有所不同。

Polaris Forge 2 位于 Harwood 附近,最初公布的园区设计容量约为 280 MW,并具备进一步扩建的规划空间。公司后来披露,该园区两栋建筑对应的已签约关键 IT 负载合计为 200 MW,租赁对象是一家美国投资级大型云计算客户,基础租期约为 15 年,合同收入约为 50 亿美元。两栋建筑计划分阶段交付,初始交付时间为 2026 年下半年,完整交付预计在 2027 年初完成。

需要注意,园区的设计容量、已经签约的容量与实际可投入服务的容量不是同一概念。Polaris Forge 2 的整体设计和扩建空间不能直接等同于当前合同覆盖的 200 MW,也不能据此认定全部园区容量已经投入运营。

Polaris Forge 3 则规划为 300 MW 关键 IT 负载园区,由两栋建筑组成,目前处于建设阶段。公司披露,该项目与一家高投资级美国大型云计算客户签订了两份长期租赁安排,基础租期约为 15 年,对应基础租期合同收入约 75 亿美元。项目预计从 2027 年下半年开始交付,并在 2028 年下半年达到完整交付状态。

两个项目体现出 Applied Digital 在北达科他州持续扩大园区规模的策略。已有园区能够提供建设和运营经验,而新项目则通过长期合同提前锁定部分需求。不过,项目回报仍取决于施工成本、交付节奏、客户入驻安排和持续运营效率,不能仅凭合同金额判断其最终盈利水平。

Delta Forge 项目如何扩展 Applied Digital 的 AI 基础设施布局

Delta Forge 是 Applied Digital 将 AI 数据中心业务扩展至美国南部的重要布局,包括 Delta Forge 1 和 Delta Forge 2。与 Polaris Forge 园区相比,Delta Forge 扩大了公司的地域覆盖,也使其能够在不同地区评估电力条件、建设成本和基础设施扩展空间。

Delta Forge 1 于 2026 年 1 月正式启动建设,规划为 300 MW 关键 IT 负载园区,由两栋建筑组成。公司于同年 4 月与一家美国高投资级大型云计算客户签订两份租赁协议,覆盖合计 300 MW 容量,基础租期约为 15 年,对应约 75 亿美元合同收入。公司预计该园区于 2027 年上半年开始交付,并在 2028 年初达到完整交付状态。

Delta Forge 2 则规划为 210 MW 关键 IT 负载园区,由一栋数据中心建筑组成。公司于 2026 年 6 月披露,该项目已签订约 15 年的长期租赁协议,基础租期合同收入约为 52 亿美元,预计于 2028 年上半年交付。该项目同样强调高功率密度和无水冷却设计,以适应 AI 计算设施的运行要求。

Delta Forge 的扩张说明,AI 数据中心建设并不局限于某一个地区。不同园区可以根据当地电力资源、并网条件、土地和施工条件进行规划。不过,跨区域布局也意味着公司必须分别处理当地的基础设施接入、建设许可和运营条件。园区的规模与合同价值越大,项目进度管理和资本投入安排就越重要。

AI 数据中心为什么需要更高的机架功率密度

机架功率密度是指单个服务器机架在运行时所需的电力容量,通常以千瓦(kW)衡量。传统企业数据中心的机架功率相对较低,而 AI 数据中心需要在有限空间内部署大量 GPU、加速器和高速互连设备,单个机架的功耗可能达到数十千瓦,部分高密度系统还会更高。

功率密度提高后,数据中心的设计难度也会随之上升。首先,供电系统必须将足够的电力安全、稳定地输送到机架。其次,高功耗设备会产生大量热量,需要冷却系统及时移除。最后,网络布线、设备维护空间和系统冗余也必须与高密度部署相匹配。

AI 数据中心为什么需要更高的机架功率密度

对于 Applied Digital 而言,提高功率密度并不只是增加机架数量,而是需要从园区电力接入到建筑内部配电、冷却和设备布局进行整体设计。公司在 Polaris Forge 3 等项目中强调高密度供电和先进液冷架构,目的就是让数据中心能够适应不断升级的 AI 硬件需求。

需要区分的是,关键 IT 负载容量和单机架功率密度属于不同层级的指标。前者反映整个园区能够为 IT 设备提供多少电力,后者则反映局部空间的计算负载强度。两者共同影响数据中心的设计,但不能相互替代。

Applied Digital 如何解决数据中心的电力供应与散热问题

电力接入是大型 AI 数据中心建设的前置条件。即使项目已经取得土地并完成建筑设计,如果变电站、输电线路或当地电网容量尚未准备就绪,服务器也无法按计划投入运行。因此,数据中心运营商需要在规划阶段评估电网接入条件、可获得的电力规模、配电设施建设周期及后续扩容能力。

Applied Digital 选择在北达科他州等地区建设大型园区,与当地电力资源、气候和可扩展的建设空间有关。公司也在不同项目中根据预计 IT 负载配置电力设施。例如,Polaris Forge 3 的规划关键 IT 负载为 300 MW,公司披露其由约 430 MW 的电网连接公用事业供电容量支持。两项指标存在差异,是因为数据中心除了服务器负载,还需要为冷却、配电损耗及其他设施提供电力。

在散热方面,数据中心需要根据设备功耗和机房结构,选择空气冷却、液冷或两者结合的方案。随着 GPU 功率不断提高,单纯依赖传统空气冷却可能难以经济地处理局部高热负载,液冷技术因此在新一代 AI 数据中心中得到更多应用。

Applied Digital 在其部分园区设计中采用先进液冷架构,并强调无水冷却技术。不同园区的冷却方案并不完全相同,需要结合气候、电力设施、客户设备要求和水资源条件进行设计。对于运营商而言,关键并不是采用某一种技术名称,而是确保冷却系统能够在预定负载下持续运行,并与供电系统和设备部署进度相匹配。

水冷与无水冷却方案如何影响 AI 数据中心设计

水冷与无水冷却是 AI 数据中心规划中需要区分的两个概念。水冷通常利用液体传递设备产生的热量,再通过换热器、冷却塔或其他热排放系统将热量释放到环境中;无水冷却则强调减少或避免冷却过程中的现场耗水,具体实现方式取决于系统架构。

对于高密度 GPU 机架,直接液冷可以将芯片或服务器部件产生的热量传递至液体回路,再由设施侧冷却系统完成热量排放。这种方式有助于处理较高的局部热负载,但仍需要泵、换热器、管路和相应的热排放设备。液冷不意味着完全不需要其他冷却设施,也不必然意味着整个数据中心没有用水。

无水冷却的价值在于降低对现场水资源的依赖,尤其适用于需要关注用水限制的地区。不过,减少用水并不代表没有能耗成本。具体方案可能需要更大的换热设备、风机或其他散热设施,其能源效率还会受到室外温度、季节变化和设备运行负载影响。

Applied Digital 在 Polaris Forge 3 和 Delta Forge 2 等项目中强调无水冷却设计,并将其作为适配高密度 AI 工作负载的基础设施特点。

对这类项目而言,设计目标是在满足客户计算设备散热要求的同时,平衡能源效率、用水需求、系统可靠性和建设成本。

实际比较不同冷却技术时,应关注几个指标:单位 IT 负载对应的设施能耗、用水量、设备初始投资、维护要求以及不同气候条件下的运行表现。单纯以“液冷”或“无水”作为优劣判断标准,无法完整反映项目的整体效率。

从建设到运营,AI 数据中心需要经历哪些阶段

大型 AI 数据中心并不是建筑竣工后就能立即产生完整收入。项目通常需要经历规划、供电准备、施工、设备配套、系统调试和客户交付等阶段,每个阶段都可能影响最终投运时间。

  1. 选址与电力规划

  2. 确定土地、可用电力、并网条件和园区扩建空间,并评估当地建设许可与基础设施要求。

  3. 建筑与基础设施施工

  4. 完成建筑主体、供电设施、配电系统、冷却系统和网络等配套工程。施工进度需要与电力设施建设协调。

  5. 设备配套与系统调试

  6. 检查供电、冷却、监控、冗余和安全系统能否满足预定运行要求,并验证设施在目标负载下的表现。

  7. Ready for Service 与客户交付

  8. 当相应设施达到约定的可投入服务条件后,按合同安排交付容量。客户可能随后部署服务器和 GPU 集群。

  9. 持续运营与扩容

  10. 监测电力和冷却效率、设施可用性及维护情况,并根据合同和客户需求推进后续建筑或容量阶段。

Polaris Forge 1 的分阶段交付说明,这一流程可以在同一园区内重复进行:部分建筑已经达到可投入服务状态时,其他建筑仍可能处于施工阶段。Applied Digital 截至 2026 年 10 月披露的项目进展,也显示 Polaris Forge 2、Polaris Forge 3 以及 Delta Forge 园区仍按照各自的计划推进建设与交付。

对数据中心运营商来说,项目管理的关键是让电力接入、建筑施工、冷却系统安装、客户设备部署与合同交付时间相互匹配。任何环节延迟,都可能使已经签约的容量无法按计划转化为可运营资产。

从经营角度看,项目达到可投入服务状态只是重要节点之一,后续还需要持续满足合同要求、维持设施可靠性并控制运营成本。只有完成从建设到稳定运营的转化,园区才能逐步形成可持续的租金收入和经营现金流。

总结

Applied Digital 通过 Polaris Forge 与 Delta Forge 园区扩大 AI 数据中心基础设施布局,体现了 AI 计算需求对供电容量、机架功率密度、散热系统和项目交付能力提出的新要求。Polaris Forge 1 已经展示分阶段交付的运营路径,Polaris Forge 2、Polaris Forge 3 与 Delta Forge 项目则继续扩大公司的长期基础设施供给。

这些项目的价值不仅取决于规划容量和租赁合同规模,还取决于电力接入、施工执行、冷却系统调试以及客户交付能否按计划完成。对于 AI 数据中心行业而言,能够将土地、电力和工程建设能力转化为稳定运营容量,才是长期竞争力的重要来源。

作者: Learn Team
免责声明

* 投资有风险,入市须谨慎。本文不作为 Gate 提供的投资理财建议或其他任何类型的建议。

* 在未提及 Gate 的情况下,复制、传播或抄袭本文将违反《版权法》,Gate 有权追究其法律责任。

相关文章

GateClaw 与 AI Skills:Web3 AI Agent 的能力体系解析
中级

GateClaw 与 AI Skills:Web3 AI Agent 的能力体系解析

GateClaw AI Skills 是一种面向 Web3 AI Agent 的模块化能力体系,用于将市场数据分析、链上信息查询以及交易执行等功能封装为可调用的智能模块,使 AI Agent 能够在统一系统中执行自动化任务。通过 AI Skills,复杂的 Web3 操作逻辑可以被转化为标准化能力接口,从而让 AI 模型不仅能够分析信息,还可以直接执行市场相关操作。
2026-11-04 07:49:48
GateClaw 的核心功能:Web3 AI Agent 工作站能力解析
中级

GateClaw 的核心功能:Web3 AI Agent 工作站能力解析

GateClaw 是一种面向 Web3 生态设计的 AI Agent 工作站,通过整合 AI 模型、模块化 Skills 与加密交易基础设施,使智能体能够在统一环境中执行数据分析、自动化交易和链上监控等任务。与传统 AI 工具主要用于信息处理不同,GateClaw 更强调 AI Agent 的执行能力,使其能够在真实市场环境中运行自动化流程。
2026-11-04 07:49:48
一文盘点 Top 10 AI Agents
中级

一文盘点 Top 10 AI Agents

纵观市场上的诸多 AI Agents,尽管在功能上同质化现象严重,但也会在某些方面独辟蹊径,为用户带来独特体验。本文将基于市场热度、项目创新、代币市值和交易量等多个维度总结出目前市场上的 Top10 AI Agents(排名不分前后),以供用户参考。
2026-11-04 07:49:08
什么是 TAO?Bittensor 代币经济学、供应模型与激励机制详解
新手

什么是 TAO?Bittensor 代币经济学、供应模型与激励机制详解

TAO 是 Bittensor 网络的原生代币,在去中心化 AI 生态中承担激励分配、网络安全与价值捕获的核心作用。通过通胀发行、质押机制与子网激励模型,TAO 构建了一个围绕 AI 模型竞争与评估的经济系统。
2026-11-04 07:49:49
解读 Vana 的野心:实现数据货币化,构建由用户主导的 AI 开发生态
新手

解读 Vana 的野心:实现数据货币化,构建由用户主导的 AI 开发生态

通过将数据民主化和货币化,Vana 正试图从根本上重新定义个人私有数据的归属和价值分配,创建一个真正由用户主导,并收益的 AI 开发生态系统。本文将从 Vana 的核心技术架构、测试网生态建设、团队背景及融资等方面解读该项目,并附上用户参与 Vana 生态的交互指南。
2026-11-04 07:49:05
Bittensor 是如何运作的?Subnet 架构、Miner 与 Yuma 共识解析
新手

Bittensor 是如何运作的?Subnet 架构、Miner 与 Yuma 共识解析

Bittensor 是一个去中心化 AI 网络,通过 Subnet、Miner 与 Validator 构建开放的机器学习市场,并利用 Yuma 共识机制实现模型评估与 TAO 激励分配。与传统中心化 AI 平台不同,Bittensor 将模型能力转化为可定价资产。
2026-11-04 07:49:49